基于SSPF算法的移動機器人全局定位研究.pdf

1、粒子濾波(particle filter,PF)算法是一種基于貝葉斯推理和蒙特卡羅方法的實時在線推理算法，因其具有并行化、易于實現(xiàn)以及有效處理非線性問題等特點，受到了越來越廣泛的重視，成為統(tǒng)計學(xué)、自動控制、機器人學(xué)等領(lǐng)域新的研究熱點，同時伴隨著計算機計算能力的超指數(shù)增長以及應(yīng)用統(tǒng)計學(xué)、概率論等一些學(xué)科的不斷進步，使該領(lǐng)域的研究得到了迅速發(fā)展。雖然目前己在理論和應(yīng)用方面取得了一些研究成果，但粒子濾波器的發(fā)展仍處于初級階段，其中許多關(guān)鍵技術(shù)

2、至今仍沒有公認有效的解決方法。 傳統(tǒng)粒子濾波算法在移動機器人全局定位時會出現(xiàn)粒子退化及粒子耗盡問題，導(dǎo)致定位失敗。本文研究了提高粒子濾波器性能的關(guān)鍵技術(shù)及其在移動機器人全局定位中應(yīng)用。在提高性能方面主要對粒子濾波器中存在的粒子退化和粒子耗盡問題進行了研究。實驗結(jié)果表明改進的粒子濾波算法提高了移動機器人全局定位的準確性。 主要研究工作和取得的工作成果主要體現(xiàn)在以下幾個方面： 首先，提出了一種智能采樣粒子濾波(sma

3、rt sampling particle filter,SSPF)算法。相比于基本的PF算法，SSPF算法在以下三個方面做了改進： 第一，在采樣階段，采用了無跡卡爾曼濾波算法來產(chǎn)生重要性提議分布，從而使采樣點同實際分布更為接近，較好的解決了粒子退化問題。 第二，在重采樣階段，采用了基于相關(guān)熵的自適應(yīng)重采樣方法，該方法可有效減少重采樣的執(zhí)行步驟，使PF算法更具智能性，并在一定程度上可緩解重采樣步驟損失粒子多樣性的問題。